验证码识别<1>

1. 引子

        前两天访问学校自助服务器（）缴纳网费，登录时发现这系统的验证码也太过“清晰”了，突然脑袋里就蹦出一个想法：如果能够自动识别验证码，然后采用暴力破解的方式，那么密码不是可以轻易被破解吗？

ps：用户名就是学号，可以轻易获得，而密码是系统随机生成的6位数，组合方式仅有 10^6种，假设每次尝试须要50ms，那么大概需要14个小时，如果采用多线程，多个虚拟机（java）同时工作，估计把所有密码过一遍不会超过1个小时，这效率还凑合吧。。。

2. 分析

        问题的关键就在于验证码识别，至于如何请求服务器，用java分分钟搞定。学习了一些网友写的关于验证码识别的blog，如：http://blog.csdn.net/problc/article/details/5794460。发现它的基本步骤就是：【去噪】、【分割】、【匹配】，【识别】。

       ① 去噪

            即去除背景和干扰线，并且将背景置为白色，文字置为黑色，便于后面匹配。验证码获取地址：http://202.118.166.244:8080/selfservice/common/web/verifycode.jsp。通过观察会发现，文字部分颜色较深（r，g，b基本小于110），干扰部分颜色较浅。于是可以这样【去噪】：

public static BufferedImage denoising(BufferedImage image) {
        for (int x = 0; x < image.getWidth(); x++) {
            for (int y = 0; y < image.getHeight(); y++) {
                Color color = new Color(image.getRGB(x, y));
                int red = color.getRed();
                int green = color.getGreen();
                int blue = color.getBlue();
                if (red > 105 && green > 105 && blue > 105) {
                    image.setRGB(x, y, Color.WHITE.getRGB());
                } else {
                    image.setRGB(x, y, Color.BLACK.getRGB());
                }
            }
        }
        return image;
}

看看效果：

处理前： 处理后： ，效果还是不错的！

        ② 分割

            分割很简单，将验证码按文字等分。

/**
     * 分割图片
     * 
     * @param img
     * @param splitNum
     * @return
     * @throws IOException
     */
    public static List<BufferedImage> splitImage(BufferedImage img, int splitNum) throws IOException {
        int width = img.getWidth();
        int height = img.getHeight();
        int splitWidth = width / splitNum;
        List<BufferedImage> bufferedImages = new ArrayList<BufferedImage>();
        for (int i = 0; i < splitNum; i++) {
            bufferedImages.add(img.getSubimage(i * splitWidth, 0, splitWidth, height));
        }
        return bufferedImages;
    }

        ③ 匹配

            在匹配之前，要利用前面的两个方法得到所有字符的片段，用于匹配。像这样：

            然后设计匹配算法，这一步比较关键，匹配算法的好坏将直接导致识别的正确与否。因为观察到文字都没有进行旋转，因此这里采用：用一个集合记录下图片每一纵行所拥有的黑色像素点的个数（没有像素的纵行不记录），将这个集合作为对应图片的指纹。然后分割好的验证码片段与上面的标准片段进行一一比对，最后组合在一起，从而可以识别出验证码。

/**
     * 单个字符进行匹配
     * 
     * @param img
     * @param regularDataList
     * @return
     */
    public String matchSingleWord(BufferedImage img, List<List<Integer>> regularDataList) {
        String result = null;
        int maxRank = 0;
        List<Integer> matchedData = getFingerprint(img);
        for (int i = 0; i < regularDataList.size(); i++) {
            int rank = 0;
            List<Integer> regularData = regularDataList.get(i);
            int minColumn = Math.min(regularData.size(), matchedData.size());
            for (int j = 0; j < minColumn; j++) {
                if (matchedData.get(j) == regularData.get(j)) {
                    rank++;
                }
            }
            if (rank > maxRank) {
                maxRank = rank;
                result = i + "";
            }
        }
        return result;
    }

/**
     * 获取图像"指纹"
     * 
     * @param image
     * @return
     */
    private static List<Integer> getFingerprint(BufferedImage image) {
        List<Integer> list = new ArrayList<Integer>();
        for (int x = 0; x < image.getWidth(); x++) {
            int count = 0;
            for (int y = 0; y < image.getHeight(); y++) {
                // System.out.println(image.getRGB(x, y));
                if (image.getRGB(x, y) == 0xFF000000) {
                    count++;
                }
            }
            if (count != 0) {
                list.add(count);
            }
        }
        return list;
    }

/**
     * 加载作为标准的指纹List
     * 
     * @return
     * @throws IOException
     */
    private static List<List<Integer>> loadMatchDataList() throws IOException {
        List<List<Integer>> matchData = new ArrayList<List<Integer>>();
        File dir = new File("C:\Users\Administrator\Desktop\verifycode\match");
        File[] files = dir.listFiles();
        for (File file : files) {
            matchData.add(getFingerprint(ImageIO.read(file)));
        }
        return matchData;
    }

        ④ 识别

            将以上识别出的单个字符组合在一起，就得到验证码啦。

public static void main(String[] args) throws Exception {
        BufferedImage image = ImageIO.read(new URL("http://202.118.166.244:8080/selfservice/common/web/verifycode.jsp"));
        ImageIO.write(image, "png", new File("C:\Users\Administrator\Desktop\verifycode\verifycode_src.png"));
        image = denoising(image);
        // 注意：最好以png格式输出，否则可能导致图片失真
        ImageIO.write(image, "png", new File("C:\Users\Administrator\Desktop\verifycode\verifycode.png"));
        List<BufferedImage> images = splitImage(image, 4);
        List<List<Integer>> regularFingerprintList = loadMatchDataList();
        String result = "";
        for (BufferedImage bufferedImage : images) {
            result += matchSingleWord(bufferedImage, regularFingerprintList);
        }
        System.out.println("验证码是：" + result);
    }

        结果： ， ，完全正确。

3. 总结

    总的来说，由于该类型验证码本生较为简单，所以处理起来十分顺利。但不管验证码怎么变化，基于这种识别算法的基本就是以上几部，具体做法根据具体案例实现。

    最后随便搞一个账号来测试，用时2个多小时跑出了密码。。。

    先写到这里，以后再研究其他识别算法。